10行代码感知机器学习中的线性拟合数据

线性拟合是曲线拟合的一种形式。设x和y都是被观测的量，且y是x的函数：y=f(x; b)，曲线拟合就是通过x,y的观测值来寻求参数b的最佳估计值，及寻求最佳的理论曲线y=f(x; b)。当函数y=f(x; b)为关于b的i线性函数时，称这种曲线拟合为线性拟合。

import numpy as np#原始数据X=[ 1 ,2 ,3 ,4 ,5 ,6]Y=[ 2.6 ,3.4 ,4.7 ,5.5 ,6.47 ,7.8]

#用一次多项式拟合，相当于线性拟合z1 = np.polyfit(X, Y, 1)p1 = np.poly1d(z1)print (z1) #[ 1. 1.49333333]print (p1) # 1 x + 1.493

#作图显示import matplotlib.pyplot as pltimport numpy as np

x = np.arange(1,7)y = z1[0] * x + z1[1]plt.figure()plt.scatter(X, Y)plt.plot(x, y)plt.show()